今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

用于利用深度学习实时检测新鲜和有缺陷蔬菜的多类别数据集

《Scientific Data》:A Multiclass Dataset for Real-Time Detection of Fresh and Defective Vegetables Using Deep Learning

【字体: 大 中 小 】 时间:2026年08月30日 来源:Scientific Data 7.2

编辑推荐:

  摘要在现实的市场环境中,公开可用的蔬菜数据集很少同时包含新鲜和有缺陷的样本,因为大多数现有数据集都是在受控的实验室环境中收集的。这种缺乏自然采集数据的情况限制了模型在实际场景中的泛化能力。为了解决这一问题,本研究引入了一个多类图像数据集,旨在实时检测现实条件下的新鲜和有缺陷蔬菜。

  

摘要

在现实的市场环境中,公开可用的蔬菜数据集很少同时包含新鲜和有缺陷的样本,因为大多数现有数据集都是在受控的实验室环境中收集的。这种缺乏自然采集数据的情况限制了模型在实际场景中的泛化能力。为了解决这一问题,本研究引入了一个多类图像数据集,旨在实时检测现实条件下的新鲜和有缺陷蔬菜。与以往由实验室整理的数据集不同,我们提出的数据集包含2,032张原始图像和4,736个标注样本,这些样本来自当地市场,涵盖了光照、颜色、质地、新鲜度和物理缺陷的自然变化。该数据集涵盖了14个类别,包括七种常见食用蔬菜的新鲜和有缺陷类型:番茄、土豆、苦瓜、尖瓜、洋葱、茄子以及辣椒。这有助于有效地训练和评估基于深度学习的检测模型。在使用YOLOv9和YOLOv11模型进行基准测试时,该数据集的mAP@50得分分别为93.2%和94.3%,显示出很高的检测精度。这些结果使我们的数据集成为新鲜度分级、缺陷识别以及市场导向的视觉分析方面的一个有价值的基准,从而推动了精准农业和可持续食品管理的发展。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:蔬菜数据集|缺陷识别|目标检测|深度学习|精准农业|新鲜度分级

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号